La navigation des complexités de la facturation et du remboursement de la santé peut souvent sembler faire face à un système torsadé qui n’est inclus que par quelques-uns sélectionnés.
Souvent, ces processus sont également gâtés par les inexactitudes et l’insuffisance et ont tendance à donner la priorité aux intérêts des entreprises impliquées.
Cependant, un professeur de l’Arizona State University déclare que l’intelligence artificielle a le potentiel de transformer le paradigme du secteur, rendant plus avantageux pour les clients et réduisant la probabilité d’erreurs.
UN étude récente conscritMohammad Amin Morid, professeur adjoint à la Leavey School of Business de l’Université de Santa Clara, est co-auteur de Sheng dans l’étude. De Olivia Liu Sheng Il révèle comment l’apprentissage en profondeur peut réduire les erreurs de facturation, en particulier pour les patients ayant des besoins élevés.
Sheng, WP Carey Chaise et professeur distingué Département des systèmes d’information Dans la WP Carey School of Business, il a parlé à ASU News sur les résultats.
Note: Les réponses ont été modifiées pour la durée et / ou la clarté.
Question: Qu’est-ce qui vous a inspiré pour rédiger votre document actuel?
Répondre: Bien que l’intelligence artificielle ait largement influencé et transformé le soutien diagnostique, pronostique et de prise de traitement – la prise de décision, le potentiel de l’IA pour améliorer le processus de prise de décision et les milieux politiques pour les parties intéressées de l’assurance maladie sont sous-estimés.
La réforme de l’assurance maladie pour mettre en œuvre la valeur de paiement a été en cours dans les modèles d’adaptation du risque américain, qui sont surtout basés sur les prévisions des dépenses de santé annuelles pour adapter les montants et les paiements des habitants de la santé pour les personnes, souffrent de prévisions inexactes pour les personnes à haut besoin, par exemple, les personnes âgées ou les jeunes, mais les patients malades.
Q: Pourquoi la facturation médicale / assurance est-elle un système très compliqué?
UN: Étant donné que le spectre des acteurs et des payeurs de l’assurance maladie – par exemple, les agences gouvernementales, les assureurs privés, les fournisseurs et les patients – ont des objectifs, des normes et des processus différents, la facturation d’assurance médicale et d’autres opérations ont été complexes et opaques. La recherche qui donne un aperçu de l’impact des limites et des améliorations des modèles de gestion des risques en ce qui concerne les populations hétérogènes de patients peut faire la lumière sur certaines parties de l’écosystème d’assurance maladie.
Q: Dans votre document, affirme que l’IA peut améliorer les paiements excédentaires et les paiements pour les soins aux patients. Comment ça se fait?
UN: Les paiements de sous-réalises et les paiements excédentaires indiquent les écarts entre les remboursements et les montants de Capita prédéfinis par les régimes d’assurance maladie des patients. Ces divergences pourraient être causées par des prévisions inexactes sur les coûts des patients pour les patients hétérogènes sous-jacents aux décisions sur les montants de la Capita.
Notre document propose et illustre un cadre de réseau de neurones avancé qualifié pour distinguer les codes de facturation d’assurance compliqués et prêter une attention différentielle aux voyages médicaux hétérogènes peut réduire considérablement ces discrétions.
Bien que les frais sur les coûts des patients soient essentiels pour fixer des montants et des programmes de commissions adéquats et réduire les paiements excédentaires et les paiements sous-oxquaïques, ils pourraient également affecter les décisions d’assurance sur les primes d’assurance pour gérer correctement les revenus et les personnes sur les allocations des ressources pour améliorer la qualité des soins et la couverture des patients.
Q: Quelles sont vos futures recherches sur la recherche de l’intelligence artificielle?
UN: Cette étude est une étape vers l’intelligence artificielle éthique en améliorant l’équité de l’IA pour les modèles d’ajustement des risques. Ces avantages extraordinaires de l’intelligence artificielle ont déclenché des transformations profondes dans tous les secteurs et secteurs. Dans le même temps, les dommages et les risques de l’intelligence artificielle causés par les préjugés algorithmiques, les attaques contradictoires pendant le cycle de vie de l’IA et les abus post-mobiliers ont émergé et perturbent la durabilité et les avantages de l’IA.
Al Centre pour l’IA et l’analyse des données, Une équipe de chercheurs et moi proposons un cadre d’intelligence artificielle consciente pour soutenir les implémentations d’intelligence artificielle les plus éthiques, responsables et fiables. Les innovations des principes et les implémentations conscientes de l’intelligence artificielle sont basées sur les stratégies de gouvernance orientées secteur, les principes de conception et les critères d’audit et de réglementation pour la technologie IA dans chaque secteur. Par conséquent, un flux de recherche principal de cette équipe est d’évaluer et d’améliorer les stratégies de gouvernance de l’IA, les directives de contrôle et les principes de conception spécifiques pour diverses industries clés en Arizona.
Pour aller plus loin
